Identificación y clasificación automática de lesiones cutáneas pigmentadas mediante imágenes dermatoscópicas

En este informe, se presenta un estudio comparativo sobre la clasificación de imágenes de lesiones cutáneas pigmentadas utilizando técnicas de machine learning y redes neuronales convolucionales. Se implementaron y evaluaron dos modelos diferentes con el objetivo de identificar y clasificar diversas afecciones dermatológicas a partir de imágenes. El primer modelo se basa en una red neuronal convolucional (CNN) estándar, conocida por su eficacia en tareas de clasificación de imágenes. El segundo modelo emplea una arquitectura de aprendizaje profundo más avanzada, como XCeption, que optimiza la precisión de la clasificación realizada. Ambos modelos fueron entrenados y probados utilizando un conjunto de datos de imágenes de lesiones de la piel, que incluye múltiples clases de condiciones dermatológicas. Además, también se emplearon diferentes técnicas de machine learning como oversampling, class weights y data augmentation para lidiar con el problema del desbalanceo del conjunto de datos utilizados y la poca cantidad de imágenes disponibles en dicho conjunto de datos. Los resultados del estudio demuestran que ambos modelos pueden lograr una alta precisión en la clasificación, con XCeption superando ligeramente a la CNN estándar en términos de precisión. Además, se evaluaron métricas clave como la precisión, las perdidas, la F1-score y la curva ROC-AUC para proporcionar una comparación detallada del rendimiento de los modelos. Este análisis subraya la importancia de seleccionar arquitecturas de modelos adecuadas para aplicaciones de salud, donde la precisión y la eficiencia son cruciales. El informe concluye con respecto al desempeño de los modelos implementados y la utilidad de este tipo de modelos en el campo médico.

• Autores: Morillo Cervantes, Camilo Andres
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/74267
• Acceso en línea: https://hdl.handle.net/1992/74267
• Palabra clave: Machine learning; CNN; Lesiones cútaneas; Ingeniería
• Rights: openAccess
• License: Attribution 4.0 International